@article { author = {Mohammadzadeh, Mohsen and Khavarzadeh, Ramin}, title = {Two Step Balanced Spatial Sampling Design for Prediction of Random Fields}, journal = {Journal of Advanced Mathematical Modeling}, volume = {8}, number = {2}, pages = {1-15}, year = {2018}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2018.13723}, abstract = {Spatial statistics is the analytical science of spatial correlated data. In environmental fields of studies that deal with spatially correlated data due to their location in a given area, on the other hand, in the survey sampling it is assumed that the sample is taken from a population with independent units. This assumption is used at all stages of sampling, analysis and modeling. But when the units of the study population are correlated, the entire process, such as sampling methods and statistical process requires review and the entire process will be considering the correlation structure. In the classic sampling methods from a variable, when some covariates exist, then the balanced sampling is used for improving the quality of sample. In this paper, we introduce spatial balanced sampling design where the components of the spatial locations are considered as covariates. Then in an intensive simulation study Is shown that the kriging error induced by our sampling method is less than foe the other available methods. Finally, the application of the proposed method is shown in a real example.}, keywords = {Spatial sampling,Two step balanced sampling,Optimal spatial sampling,Cubed method}, title_fa = {طرح نمونه‌گیری فضایی متعادل دو مرحله‌ای برای پیش‌گویی میدان های تصادفی}, abstract_fa = {: آمار فضایی علم تحلیل داده‌های وابسته فضایی است. در مطالعات محیطی گاهی با داده‌هایی وابسته‌ سروکار داریم که همبستگی آن‌ها ناشی از موقعیت قرارگیری در یک فضای معین است. از طرفی در بررسی‌های نمونه‌ای فرض بر آن است که اعضای نمونه، از جامعه‌ای با واحدهای مستقل گرفته ‌شده است. این فرض در تمامی مراحل نمونه‌گیری تحلیل و مدل‌سازی مورد استفاده قرار می‌گیرد. اما وقتی اعضای جامعه مورد مطالعه به‌نوعی وابسته باشند، تمامی مراحل آماری و حتی روش‌های نمونه‌گیری نیازمند بازنگری و لحاظ کردن ساختار همبستگی داده‌ها خواهند بود. در نمونه‌گیری کلاسیک برای نمونه‌گیری از یک متغیر، چنانچه متغیرهای کمکی وجود داشته باشند، برای ارتقاء کیفیت طرح نمونه‌گیری می‌توان از نمونه‌گیری متعادل استفاده کرد. در این مقاله نمونه‌گیری فضایی متعادل معرفی می‌شود که در آن از مؤلفه‌های موقعیت‌های فضایی به‌عنوان متغیرهای کمکی استفاده‌شده است. سپس در مطالعه‌ای شبیه‌سازی نشان داده می‌شود کریگیدن بر اساس یک نمونه متعادل نسبت به روش‌های دیگر نمونه‌گیری متحمل خطای کمتری در پیش‌گویی فضایی می‌شود. در انتها نحوه کاربست روش ارائه ‌شده در کاربرد نشان داده می‌شود.}, keywords_fa = {Spatial sampling,Two step balanced sampling,Optimal spatial sampling,Cubed method}, url = {https://jamm.scu.ac.ir/article_13723.html}, eprint = {https://jamm.scu.ac.ir/article_13723_6573a7fb3ccd6862ebc9c87083a58a23.pdf} }